Lógica Fuzzy: Alternativa viável para
projetos complexos no Rio de Janeiro
Ilan Chamovitz1, 2
Carlos Alberto Nunes Cosenza
1
1
Universidade Federal do Rio de Janeiro
(COPPE/APIT)
2
Instituto Federal de Educação, Ciência e
Tecnologia – Rio de Janeiro (IFRJ)
ilan@ufrj.br
27/10/2010
1
Lógica Fuzzy
– A aplicação de técnicas e modelos teóricos
estudados nas universidades permite a melhor
compreensão de alguns aspectos da realidade,
em um cenário ou situação definidos.
– Este trabalho apresenta características da lógica
fuzzy, alguns projetos desenvolvidos em
diversas áreas no Rio de Janeiro com a
participação do Programa de Engenharia de
Produção da UFRJ e propõe o aumento de
investimentos em grupos que disseminam esta
técnica.
ilan@ufrj.br
27/10/2010
2
Zadeh,1973
• " A medida que a complexidade de um
sistema aumenta, nossa habilidade para fazer
afirmações precisas e que sejam significativas
acerca deste sistema diminui até que um
limiar é atingido além do qual precisão e
significância(ou relevância) tornam-se quase
que características mutuamente exclusivas".
(Zadeh, L., "Outline of a new approach to the
analysis of complex systems and decision
processes".IEEE Trans. Syst. Man. Cybern.,
vol SMC-3 (1973) pp 28-44)
ilan@ufrj.br
27/10/2010
3
Zadeh,1973
ilan@ufrj.br
27/10/2010
4
Jang & Gulley (1995)
• Estendendo sua justificativa aos processos complexos, utilizamos
fuzzy:
• (a) porque a naturalidade de sua abordagem torna seus conceitos
fáceis de entender;
• (b) porque é flexível;
• (c) porque é tolerante com dados imprecisos;
• (d) porque pode modelar as funções não-lineares da abitrariedade da
complexidade;
• (e) porque pode ser construída com base na experiência de
especialistas;
• (f) porque pode ser integrada às técnicas convencionais de controle;
• (g) porque em muitos casos, simplifica ou amplia as possibilidades e
recursos dos métodos convencionais de controle;
• (h) porque é baseada na linguagem natural, base da comunicação
humana.
ilan@ufrj.br
27/10/2010
5
`Nebulosidade
• Nebulosidade
(Fuzziness)
é
a
ambiguidade que pode ser encontrada na
definição de um conceito ou no sentido
de uma palavra. Por exemplo, expressões
como
um
aluno
jovem,
grande
dificuldade, ou pequeno número podem
ser chamadas de nebulosidades.
• Exemplo?
ilan@ufrj.br
27/10/2010
6
Exemplo:
• Podemos conceituar um conjunto clássico
como uma coleção bem definida de
elementos, na qual é possível determinar
para um objeto qualquer, em um
universo definido, se ele pertence ou não
pertence ao conjunto.
• Ou seja, a resposta à pergunta O
elemento “a” pertence ao conjunto X?
classicamente pode ser Sim (grau 1, por
exemplo) ou Não (grau 0, por exemplo).
ilan@ufrj.br
27/10/2010
7
Exemplo:
• Porém, no mundo real, nem sempre um
elemento pertence totalmente a um conjunto.
• Por exemplo, na área de Educação, afirmar
que um aluno faz parte do “Conjunto dos
estudantes atrasados” colocará na mesma
coleção o estudante que chegou 30 segundos
atrasado e seu colega, que atrasou 20
minutos!
• A teoria dos conjuntos fuzzy oferece recursos
para uma abordagem nebulosa, fuzzy, difusa,
mais próxima à realidade.
8
ilan@ufrj.br
27/10/2010
Estudos sobre Lógica Fuzzy na UFRJ
• Ao se pesquisar a palavra “fuzzy” no acervo
digital com teses e dissertações da UFRJ
dos últimos 10 anos, são obtidos títulos de
mais de cem pesquisas que utilizaram a
lógica fuzzy.
• Em grande parte delas houve a colaboração
do laboratório fuzzy Labfuzzy – criado na
Área de Projetos Industriais e de Tecnologia
(APIT/PEP) para investigar, formar e apoiar
pesquisas que utilizam abordagem
nebulosa.
9
ilan@ufrj.br
27/10/2010
Projetos:
• – Porto de Itaguaí - Estudo de viabilidade
econômica do Porto de Itaguaí no Rio de Janeiro
(COSENZA, 2003)
• – Adequação ambiental em edifícios no RJ
• – Medicina/ HUCFF - Avaliação da utilidade do
SPECT cerebral interictal na localização do foco
epileptogênico em pacientes
• – Engenharia e confiabilidade humana/ Angra II
• – Planejamento da Produção/ INTl de
Tecnologia
• – Educação a distância - Avaliação formativa em
Grupos Operativos, utilizando mensagens em um
fórum de discussão.
10
ilan@ufrj.br
27/10/2010
CONCLUSÃO:
Programa de Engenharia de Produção
COPPE/UFRJ
• Execução de
trabalhos
de parceria
com
profissionais e com diversas instituições no Rio
de Janeiro
• Formação de recursos humanos
• Oferecimento de disciplinas sobre Lógica Fuzzy,
pelas quais já passaram centenas de alunos,
além da orientação de um vasto número de
dissertações de mestrado e teses de doutorado.
ilan@ufrj.br
27/10/2010
11
CONCLUSÃO:
LabFuzzy (APIT/PEP/ COPPE/UFRJ)
• Grupo de especialistas que utiliza a lógica fuzzy
como instrumental matemático aplicado ao
desenvolvimento de produtos, processos, serviços,
análise quântica de percepções e outros processos
onde a percepção e os julgamentos são os
elementos relevantes.
• Diversos projetos
• Estudo e aplicação de modelos nebulosos em
soluções para problemas complexos.
ilan@ufrj.br
27/10/2010
12
CONCLUSÃO:
• O atual estágio de maturidade dos trabalhos e o
crescimento
da
demanda
por
novos
desenvolvimentos
tornam
imprescindível
o
investimento
em
uma
infra-estrutura
laboratorial que dê suporte ao trabalho das
equipes envolvidas, permitindo a consolidação
das parcerias já existentes.
• O Rio de Janeiro pode atuar como um pólo de
disseminação e desenvolvimento de soluções
tecnológicas sustentáveis, considerando a
lógica fuzzy e o ferramental matemático
propiciado por este campo do conhecimento no
contexto produtivo e acadêmico.
ilan@ufrj.br
27/10/2010
13
Lógica Fuzzy: Alternativa viável para projetos complexos no
Rio de Janeiro
–
Referências
•
AGUIAR, H.; OLIVEIRA, JR., 2007. Lógica Difusa – Aspectos Práticos e Aplicações; Editora
Interciência, 1a Edição.
•
ANDRAUS, M.E.C; COSENZA, C.A.N.; FONSECA, L. M. B.; ANDRAUS, C.F; D'ANDREA, I.;
ALVES-LEON, S. V., 2002. Spect Cerebral Interictal em Pacientes com Epilepsia do Lobo
Temporal de Difícil Controle. Arquivos de Neuro-Psiquiatria, São Paulo, v. 60, p. 779-787. .
•
ARRUDA, D. M.; MARTINS, R.C. & COSENZA, C.A.N., 2006. “Modelagem do planejamento
mestre da produção através do emprego de regras nebulosas.” In: XXVI ENEGEP, Anais
eletrônicos, Fortaleza, Ceará: ABEPRO, p. 1-8, 2006, CD-ROM.
•
ATTANASIO, D., MASTERLLI., 1974. Modelo di Assetto Territoriale e di Localizzazione
Industriale. Bologna: Centro Studi Confindustria.
•
BARROS, C.F.; COSENZA, C.A.N., 2008. Usando Lógica Fuzzy em Mega-eventos de Esportes:
Um Sistema de Avaliação de Impactos. Rio´s International Journal on Sciences of Industrial
and Systems Engineering and Management. Vol II.
•
BRINCKMANN R., 2004. Avaliação Formativa Da Aprendizagem Através Da Matemática
Nebulosa – Uma Proposta Metodológica. Tese de doutorado. Engenharia de Produção e
Sistemas. Universidade Federal de Santa Catarina. Florianópolis, SC.
Disponível em
http://teses.eps.ufsc.br/defesa/pdf/4839.pdf
ilan@ufrj.br
27/10/2010
14
Lógica Fuzzy: Alternativa viável para projetos complexos no
Rio de Janeiro
–
Referências
•
CHAMOVITZ, I. Aplicação do Modelo de Hierarquia Fuzzy COPPE-Cosenza para a Avaliação de
Grupos Operativos em Fóruns Educacionais na Internet. Tese (doutorado) – UFRJ/ COPPE/
Programa de Engenharia de Produção, Rio de Janeiro, 2010.
•
CHAMOVITZ I., ELIA, M., COSENZA, C.A.N., 2008b. Gestão de Conhecimento em Saúde:
Proposta de um modelo nebuloso para a Avaliação de Grupos Operativos em Fóruns Virtuais.
8o. Congresso Regional de Informação em Ciências da Saúde (CRICS). 16 a 19 de setembro de
2008, Rio de Janeiro, RJ.
•
CHEN, G; PHAM, T. T., 2001. Introduction to fuzzy sets, fuzzy logic, and fuzzy control
systems. Boca Raton, FL: CRC Press, 2000.
•
COSENZA, C.A.N., 1981. A Industrial Location Model. Working paper. Cambridge: Martin
Centre for Architctural and Urban Studies, Cambridge University, UK.
•
COSENZA, C.A. N. – Seminário Porto de Sepetiba – Portal do Atlântico Sul. BNDES,
11/abril/2003. Disponível em: . Acesso em agosto de 2007.
•
COSENZA, H.J.S.R. et al., 2006. Aplicação de Um Modelo de Hierarquização Como
Instrumento para Tomada de Decisão: Caso de uma Multinacional. In: XXVI Encontro Nacional
de Engenharia de Produção, ENEGEP 2006, Fortaleza.
•
COX, E., 1994. The fuzzy systems handbook: a practitioner's guide to building, using,
maintaining fuzzy systems. Boston: AP Professional. ISBN 0-12-194270-8.
•
DUBOIS, D. ; PRADE, H., 1980. Fuzzy Sets and Systems, Theory and Applications, Academic
Press, New York.
•
FERNANDES, A.M.R.; SANTOS, D.D., 2004. Sistema Especialista para Diagnóstico 15
de
doenças
periodontais. In:
FERNANDES, A.M.R. e colaboradores. Inteligência Artificial aplicada à
ilan@ufrj.br
27/10/2010
saúde. Florianópolis: Visual Books, cap. 2. p. 19-44.
Lógica Fuzzy: Alternativa viável para projetos complexos no
Rio de Janeiro
–
Referências
•
GODET. M. A caixa de ferramentas da prospectiva estratégica. CEPES, Lisboa, 1999.
•
JANG, J. S. R.; GULLEY, N., 1995. Fuzzy Logic Toolbox User's Guide. The Math Works Inc.
•
KLIR G.;YUAN, B., 1995. Fuzzy Sets and Fuzzy Logic. Prentice Hall, New Jersey.
•
LIMA, F.R. ; COSENZA, C.A N.; NEVES, C.; ALMEIDA, F.R., 2006. Sistema de informações
gráficas georeferenciadas para estudos de localização de plantas de Biodiesel no Centro-Sul
brasileiro. In: XXVI Encontro Nacional de Engenharia de Produção, 2006, Fortaleza.
•
MCNEILL, F.M.; THRO, E., 1994. Fuzzy Logic: A Practical Approach. AP Professional, New
York.
•
MEHLER A.; KÖHLER, R., 2007. Machine Learning in a Semiotic Perspective. In: Aspects of
Automatic Text Analysis, S. 1-29, Studies in Fuzziness and Soft Computing, Berlin/New York.
•
MORE, J.D.; GUIMARÃES, A S., XEXEO, G.B., 2003. Modelo Fuzzy para Avaliação da
Confiabilidade Humana do Inspetor de Ensaio Não Destrutivo de Ultra-Som. In: III PanAmerican Conference for Nondestructive Testing, Anais em CD-ROM do III PANNDT (III PanAmerican Conference for Nondestructive Testing).
•
REZENDE, J. 2006. Modelo de Localização de Estações de Serviços utilizando Lógica Fuzzy.
Tese de Doutorado em Engenharia Civil. UFRJ, COPPE. Rio de Janeiro.
•
RHEINGANTZ, P.A., 2000. Aplicação do Modelo de Análise Hierárquica COPPETEC – Cosenza
na Avaliação do Desempenho de Edifícios de Escritório. Tese de Doutorado. UFRJ, Programa de
Pós-Graduação de Engenharia de Produção. Rio de Janeiro.
•
RIEGER, B. B., 1978. Feasible Fuzzy Semantics.. In K. HEGGSTAD (ed.), Proceedings of the
16ICCL,
7th International Conference on Computational Linguistics (COLING ’78), pages 41–43.
ilan@ufrj.br
27/10/2010
Bergen.
Lógica Fuzzy: Alternativa viável para projetos complexos no
Rio de Janeiro
–
Referências
•
SAMPAIO, L.M.D. OLIVEIRA,M.J.F. IGNACIO, AAV. Lógica Nebulosa: Aplicações e
Tendências. Anais do SPOLM 2007. Rio de Janeiro : Ministério da Marinha, 2007.
•
SHAW, I. S.; SIMÕES, M. G., 1999. Controle e modelagem fuzzy, Editora Edgard Blücher
Ltda.
•
SILVA W. R. C., LINO A D. P., CASTRO A R. G., FAVERO E. L., 2006. Previsão na Demanda
de Vendas baseado em Regras Lingüísticas e Lógica Fuzzy. INFOCOMP – Journal of Computer
Science – v.5, n.3 .Lavras: Universidade Federal de Lavras.
•
SOUZA, C. G. ; COSENZA, C. A N. ; COSENZA, O N. , 2002. Proposta metodológica para
avaliação da competitividade com base em modelo de hierarquia fuzzy. In: Simpósio Brasileiro
de Pesquisa Operacional, 2002, Rio de Janeiro, RJ.
•
TANSCHEIT, R., 2003. Sistemas Fuzzy. VI Simpósio Brasileiro de Automação Inteligente
(SBAI'03), Minicurso (35 pgs.), Bauru, SP.
•
TOLEDO, O. M., 2004. Metodologia de Avaliação de desempenho Baseada em Lógica Fuzzy.
In: XXXII Congresso Brasileiro de Ensino de Engenharia COBENGE, 2004, Brasília.
•
YAGER, R. R., 1980, On modeling interpersonal communication. In: WANG, P. P. AND S. K.
CHANG (eds.). Fuzzy Sets: Theory and Applications to Policy Analysis and Information
Systems. Plenum Press, New York, pp. 309-320.
•
ZADEH, L. A., 1965. Fuzzy sets. Information and Control, 8:338–353.
•
ZADEH, L. A., 1973. Outline of a new approach to the analysis of complex systems and
decision processes. .IEEE Trans. Syst. Man. Cybern., vol SMC-3 (1973) pp 28-44.
ilan@ufrj.br
27/10/2010
17
Download

PPT